752 字
4 分钟
RSI 术语与指标
术语
| 术语 | 含义 | 常见出处 |
|---|---|---|
| RSI（递归自我改进） | AI 系统能自主设计并开发自己的继任者，形成“AI 造 AI”的闭环 | 01 |
| AL0–AL5 | Epoch AI 的自动化等级：无 AI / 极少 / 辅助 / 协作 / 主导 / 完全自主 | 02 |
| AL3“协作” | 人类密切指导，AI 完成大块工作 | 02 |
| AL4“主导” | 只给高层指令，AI 端到端完成大部分工作，人类监督 | 02 |
| 时间跨度（time horizon） | 模型能以一定可靠性独立完成的任务时长；METR 用它衡量“能连续干多久” | 01 |
| PGR | 性能差距追回率：0 = 没超过弱监督者，1 = 追平真实标签训练 | 04 |
| W2S（弱到强） | 用弱模型监督强模型，模拟人类监督更聪明系统 | 04 |
| AAR | 自动对齐研究员：能提假设、跑实验、迭代的 agent 团队 | 04 |
| 调速（pacing） | 不停止研发，而是控制能力提升的速率，给安全与治理留时间 | 03 |
| 嵌入式评审员 | 像员工一样常驻公司的外部评审，可查看过程并公开结论 | 03 |
| ASL / RSP | AI 安全等级 / 负责任扩展政策：能力过阈值就触发对应防护 | 07 |
| 蒸馏攻击 | 用大量账号批量获取强模型输出，低成本复制能力 | 06 |
| Amdahl 定律 | 整体速度受限于没能加速的那一段；在组织里表现为瓶颈转移 | 01 |
| 在线 / 离线监控 | 在线在执行前拦截；离线在事后读记录、找慢速发展的风险 | 02 |
容易被误读的四组数字
1. “80% 的代码由 Claude 写” ≠ “80% 的工作由 Claude 做”。 这是按合并行数归因，且不含自动生成代码；公司高管对外说过“90% 以上”，口径更宽。
2. “8 倍”有三种说法。 原文开头写“每季度 8 倍（相对 2021–2025）”，图表写“2026 Q2 每人每天是 2025 年前均值的 8.0×”，而 2025 年的调查说提效主要来自产出量而非单任务时间。引用时最好连口径一起说。
3. “26%”是任务加权后的“AI 主导”份额。 不是 26% 的代码、也不是 26% 的员工；加权用的是人时。换一种加权（算力、影响）结果会不同。
4. “97% vs 23%”是单一任务、单一数据集。 人类仍然负责选题和评分标准，而且迁移到生产规模只得到噪声范围内的提升。
三个判断标准
读这类材料时，可以先问三个问题：
- 谁在测？ 自家模型当评委、自家员工填问卷，都会有系统性偏差；看有没有第三方复核。
- 测的是什么？ 任务份额、代码行数、token 数、自报时间——四种口径不能互换。
- 样本多大、时间多长？ 一周的算力快照、129 个挑选过的时刻、一次 800 小时的实验，结论的强度差别很大。